科学-技术关联对高技术产业创新绩效的影响研究——对外技术依存度的调节作用

doi:10.3772/j.issn.1000-0135.2024.07.006

情报学报

2024, Vol. 43

Issue (7): 839-849 DOI: 10.3772/j.issn.1000-0135.2024.07.006

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

科学-技术关联对高技术产业创新绩效的影响研究——对外技术依存度的调节作用

马亚雪^1,2, 巴志超^1,3, 曹祯庭^1,2, 孙建军^1,2

1.南京大学数据智能与交叉创新实验室,南京 210023
2.南京大学信息管理学院,南京 210023
3.南京大学数据管理创新研究中心,苏州 215163

Impact of Scientific and Technological Linkage on the Innovation Performance of High-tech Industries —The Moderating Effect of Foreign Technology Dependence

Ma Yaxue^1,2, Ba Zhichao^1,3, Cao Zhenting^1,2, Sun Jianjun^1,2

1.Laboratory for Data Intelligence and Interdisciplinary Innovation, Nanjing University, Nanjing 210023
2.School of Information Management, Nanjing University, Nanjing 210023
3.Research Institute for Data Management & Innovation, Nanjing University, Suzhou 215163

摘要
图/表
参考文献
相关文章 (2)

全文: PDF (1830 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要高技术产业是推动创新型国家建设的支柱产业，如何提升高技术产业创新绩效是优化经济结构、提高国家产业竞争力亟须解决的关键问题。高技术产业发展离不开科技协同创新的支撑，本研究以中国高技术产业为样本，采用科学论文与专利文献代表科学与技术，提出面向特定产业的科学论文与专利文献映射方法，从知识内容关联层面测度中国高技术产业科学-技术关联程度，利用面板模型实证分析科学-技术关联对中国高技术产业创新绩效的影响机制，探究对外技术依存度在科学-技术关联与高技术产业创新绩效关联关系间的调节作用。研究结果表明：①17个中国高技术产业的科学-技术关联程度均相对较低，不同领域高技术产业的科学-技术关联演化特征存在差异；②科学-技术关联与高技术产业创新绩效之间呈现倒U形关系；③对外技术依存度对科学-技术关联与高技术产业创新绩效的倒U形关系具有负向调节作用。本研究可以为政府部门制定科技创新发展规划和技术引进政策、中国高技术产业关联科研机构和企业选择并调整创新方向提供参考。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	马亚雪
	巴志超
	曹祯庭
	孙建军

关键词 ：科学-技术关联, 高技术产业, 创新绩效, 对外技术依存度

收稿日期: 2023-09-18

基金资助:国家自然科学基金青年科学基金项目“基于特征挖掘的科学问题域创新状态建模与突破机理研究”（72204109）；江苏省社会科学基金青年项目“战略性新兴技术领域知识涌现模式与创新态势探测研究”（22TQC003）。

作者简介: 马亚雪，女，1993年生，博士后，主要研究方向为信息组织与知识发现、科技前沿探测；巴志超，通信作者，男，1990年生，助理教授，主要研究方向为科技创新、科技政策，E-mail：bazhichaoty@nju.edu.cn；曹祯庭，男，1984年生，博士后，主要研究方向为数据治理；孙建军，男，1962年生，教授，博士生导师，主要研究方向为网络信息资源管理、信息分析研究等；

引用本文:

马亚雪, 巴志超, 曹祯庭, 孙建军. 科学-技术关联对高技术产业创新绩效的影响研究——对外技术依存度的调节作用[J]. 情报学报, 2024, 43(7): 839-849.
Ma Yaxue, Ba Zhichao, Cao Zhenting, Sun Jianjun. Impact of Scientific and Technological Linkage on the Innovation Performance of High-tech Industries —The Moderating Effect of Foreign Technology Dependence. 情报学报, 2024, 43(7): 839-849.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2024.07.006 或 https://qbxb.istic.ac.cn/CN/Y2024/V43/I7/839

1 师修繁. 财政支持、技术获取与高技术产业发展——基于我国30个省份面板数据的实证分析[J]. 科技管理研究, 2022, 42(22): 24-30.
2 Lin Z Z, Li S N, Zhou H W, et al. Nonlinear impact of the interaction between internal knowledge and knowledge spillover on patent quality: evidence from China's provincial high‐tech industry[J]. Managerial and Decision Economics, 2023, 44(1): 562-575.
3 Lin S F, Lin R Y, Sun J, et al. Dynamically evaluating technological innovation efficiency of high-tech industry in China: provincial, regional and industrial perspective[J]. Socio-Economic Planning Sciences, 2021, 74: 100939.
4 Almutairi A, Everatt J, Snape P, et al. Exploring the relationship between science and technology in the curriculum[J]. Australasian Journal of Technology Education, 2014, 1: 49-63.
5 董坤, 许海云, 罗瑞, 等. 科学与技术的关系分析研究综述[J]. 情报学报, 2018, 37(6): 642-652.
6 陈一梅, 王兴旺. “科学—技术”关联性研究及其在情报分析中的应用分析[J]. 创新科技, 2018, 18(3): 80-83.
7 Liu Z Y, Chen X F, Chu J F, et al. Industrial development environment and innovation efficiency of high-tech industry: analysis based on the framework of innovation systems[J]. Technology Analysis & Strategic Management, 2018, 30(4): 434-446.
8 庞兰心, 官建成. 政府财税政策对高技术企业创新和增长的影响[J]. 科学学研究, 2018, 36(12): 2259-2269.
9 Guo Y T, Zheng G. Recombinant capabilities, R&D collaboration, and innovation performance of emerging market firms in high-technology industry[J]. IEEE Transactions on Engineering Management, 2023, 70(7): 2431-2446.
10 Yang N N, Liu Q M, Qian F R, et al. Does global value chain position affect innovation performance of China’s high-tech industries?[J]. Chinese Management Studies, 2023, 17(3): 660-682.
11 李培楠, 赵兰香, 万劲波. 创新要素对产业创新绩效的影响——基于中国制造业和高技术产业数据的实证分析[J]. 科学学研究, 2014, 32(4): 604-612.
12 Zhang R H, Sun B, Liu M Y. Do external technology sourcing and industrial agglomeration successfully facilitate an increase in the innovation performance of high-tech industries in China?[J]. IEEE Access, 2019, 7: 15414-15423.
13 Chen H, Hou J, Chen W. Threshold effect of knowledge accumulation between innovation path and innovation performance: new evidence from China’s high-tech industry[J]. Science, Technology and Society, 2018, 23(1): 163-184.
14 罗亚非, 蔡乾龙. 对外技术依存度测评方法研究[J]. 科技进步与对策, 2009, 26(22): 132-136.
15 王淑英, 张远芳. 数字化转型能否缓解产业结构趋同程度[J]. 产业经济评论, 2022(6): 119-132.
16 曹勇, 肖琦, 刘弈, 等. 知识异质性与新产品开发绩效: 转化式学习的中介作用与高管支持的调节效应[J]. 科学学与科学技术管理, 2020, 41(12): 20-34.
17 Laursen K, Salter A. Open for innovation: the role of openness in explaining innovation performance among U.K. manufacturing firms[J]. Strategic Management Journal, 2006, 27(2): 131-150.
18 杨雨寒, 闫亚飞, 张立佳, 等. 协同发展背景下京津冀科技资源分布与共享现状分析[J]. 科技管理研究, 2020, 40(22): 94-103.
19 李洪涛, 王丽丽. 中心城市科技创新对城市群结构体系的影响[J]. 中国科技论坛, 2020(7): 170-179.
20 Chen X, Ye P F, Huang L, et al. Exploring science-technology linkages: a deep learning-empowered solution[J]. Information Processing & Management, 2023, 60(2): 103255.
21 刘岩, 苏可蒙, 高艳慧. 企业基础研究对技术创新绩效的影响: 来自中国生物制药企业的分析[J]. 科技进步与对策, 2022, 39(12): 102-111.
22 迟培娟, 丁洁兰, 冷伏海. 突破性论文的三元计量特征及识别研究——以生物医学领域为例[J]. 情报学报, 2022, 41(7): 663-675.
23 Haans R F J, Pieters C, He Z L. Thinking about U: Theorizing and testing U- and inverted U-shaped relationships in strategy research[J]. Strategic Management Journal, 2016, 37(7): 1177-1195.
24 孙丽文, 曹璐, 吕静韦. 基于DPSIR模型的工业绿色转型评价研究——以河北省为例[J]. 经济与管理评论, 2017, 33(4): 120-127.
25 吴鹏, 常远, 陈广汉. 技术创新的中等收入分配效应: 原创还是引进再创新[J]. 财经研究, 2018, 44(7): 126-141.
26 王楠, 杨柯巍. 新形势下强化企业创新主体地位的问题及对策研究[J]. 科学学与科学技术管理, 2024, 45(1): 3-11.
27 Duan Y L, Liu S L, Cheng H, et al. The moderating effect of absorptive capacity on transnational knowledge spillover and the innovation quality of high-tech industries in host countries: evidence from the Chinese manufacturing industry[J]. International Journal of Production Economics, 2021, 233: 108019.
28 王金凤, 王孟琪, 冯立杰. 外部知识异质性、知识多元化与突破式创新绩效——基于企业生命周期视角[J]. 软科学, 2020, 34(12): 14-19.
29 Zhou Z J, Zhang P Y, Lu M M, et al. The influence of government intervention on the performance of independent innovation under financial support based on data of listed companies in strategic emerging industries[J]. Mathematical Problems in Engineering, 2020, 2020: 5063986.
30 陈洪玮, 徐清如, 陈霏. 制度环境与研发投入对高技术产业创新绩效的影响[J]. 统计与决策, 2021, 37(18): 166-170.
31 Meyer M. Tracing knowledge flows in innovation systems[J]. Scientometrics, 2002, 54(2): 193-212.
32 Marx M, Fuegi A. Reliance on science: worldwide front-page patent citations to scientific articles[J]. Strategic Management Journal, 2020, 41(9): 1572-1594.
33 Marx M, Fuegi A. Reliance on science by inventors: hybrid extraction of in-text patent-to-article citations[J]. Journal of Economics & Management Strategy, 2022, 31(2): 369-392.
34 Ba Z C, Liang Z T. A novel approach to measuring science-technology linkage: from the perspective of knowledge network coupling[J]. Journal of Informetrics, 2021, 15(3): 101167.
35 姬中洋, 李彦龙. 非研发创新与高技术产业创新绩效[J]. 经济经纬, 2019, 36(4): 94-101.
36 Zhu J W, Wang Y Y, Wang C Y. A comparative study of the effects of different factors on firm technological innovation performance in different high-tech industries[J]. Chinese Management Studies, 2019, 13(1): 2-25.
37 Narin F, Olivastro D. Linkage between patents and papers: an interim EPO/US comparison[J]. Scientometrics, 1998, 41(1/2): 51-59.
38 沈宏超. 我国战略性新兴产业发展隐患的形成机理及治理对策[J]. 现代经济探讨, 2014(6): 29-33.
39 俞立平. 高技术产业引进技术为什么会下降[J]. 科学学研究, 2016, 34(11): 1646-1654.